首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

短文本语义相似度量的方法和应用研究

摘要第1-7页
ABSTRACT第7-12页
第一章 绪论第12-16页
   ·研究背景与意义第12-13页
   ·本文的研究内容第13-15页
   ·本文的组织结构第15-16页
第二章 相关工作第16-28页
   ·短文本相似特征抽取第16-18页
     ·基于知识库特征第16页
     ·基于语料库特征第16-17页
     ·基于机器翻译特征第17页
     ·基于多样化特征融合第17-18页
   ·多层文本相似度量相关工作第18页
   ·跨层文本相似度量相关工作第18-19页
   ·机器学习算法第19-20页
   ·数据集第20-25页
     ·SemEval STS数据集第20-24页
     ·SemEval-2014 CLSS数据集第24-25页
   ·系统评估指标第25-28页
第三章 基于多样特征融合的相似度量模型第28-45页
   ·概述第28-29页
   ·数据预处理第29页
   ·相似度量特征第29-39页
     ·词汇特征第29-31页
     ·基于知识库的特征第31-34页
     ·基于语料库的特征第34-35页
     ·句法特征第35-36页
     ·基于机器翻译的特征第36-37页
     ·基于多层面文本的特征第37-39页
     ·其他特征第39页
   ·机器学习回归算法第39-40页
   ·实验结果与分析第40-43页
     ·单类特征实验结果与分析第40-41页
     ·多类特征实验结果与分析第41-43页
   ·本章小结第43-45页
第四章 跨层面的短文本相似度量模型第45-55页
   ·概述第45-46页
   ·段落-句子层模型第46-47页
   ·句子-短语层模型第47页
   ·短语-词层模型第47-49页
     ·特征抽取第48页
     ·实验结果与分析第48-49页
   ·词-概念层模型第49-52页
     ·特征抽取第49-50页
     ·实验结果与分析第50-52页
   ·SemEval-2014 CLSS参赛结果第52-53页
   ·本章小结第53-55页
第五章 短文本相似度量的应用研究第55-64页
   ·意译识别第55-58页
     ·任务简介第55-56页
     ·数据集第56-57页
     ·实验与结果分析第57-58页
   ·文字蕴含第58-63页
     ·任务简介第58-59页
     ·数据集第59-61页
     ·实验与结果分析第61-63页
   ·本章小结第63-64页
第六章 总结与展望第64-66页
   ·本文总结第64-65页
   ·未来的工作第65-66页
攻读学位期间发表的学术论文第66-67页
参加国际竞赛获奖情况第67-68页
附录一第68-69页
附录二第69-70页
参考文献第70-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:基于STeC的时空一致性智能体建模与调控仿真验证
下一篇:结合导航回波技术进行伪影矫正研究